不同加减速控制算法的能耗分析与比较

首先推导了理想加减速控制算法的最小能耗和梯形、二次样条曲线、S曲线、AS曲线加减速算法的速度函数,然后根据速度函数与电动机耗能之间的关系求出了各加减速控制算法的耗能函数,并通过Matlab编程求最小值,发现当梯形曲线的加速时间和二次样条曲线的加加速时间分别设为T/3和T/6;S曲线的加加速时间和匀加速时间分别设为0.01T和0.31T;AS曲线的加加速时间和匀加速时间分别设为0.01T和0.34T,减速段时间调节系数R2设为0.98时,能够分别获得加减速算法基于能量最优的速度轮廓.最后通过计算不同加减速算法在不同时间设置情况下的耗能,与最优速度轮廓的耗能比较,得出同一算法在不同时间参数设置时能耗差别明显,此外不同算法之间的能耗水平也有明显差别.     

基于SegNet与三维点云聚类的大田杨树苗叶片分割方法

准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提，针对大田杨树苗的复杂种植环境，本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法。首先对Kinect V2相机进行标定，对齐RGB与深度数据，滤除背景，获得RGB与深度数据融合数据；然后针对RGB与深度融合数据采用语义分割算法SegNet对杨树苗叶与杨树干进行分割；为了更好地分割出单个杨树叶，对分割的杨树叶区域重构出三维点云，采用基于几何距离的kd-tree对单个树叶进行分类。对采集的单株树苗与多株树苗数据进行了实验分析，采用SegNet与FCN分别对杨树苗叶区域与茎区域进行分割，结果表明，SegNet对叶、茎检测准确率分别为94.4%、97.5%,交并比分别为75.9%、67.9%,优于FCN;对叶区域采用不同距离阈值的kd-tree算法进行单叶分割分析，确定了适合杨树叶的分割阈值。实验结果表明，本文提出的分割算法不仅能分割出单株杨树苗的叶片，也能分割出多株杨树苗的单个叶片。     

不同加减速控制算法的能耗分析与比

首先推导了理想加减速控制算法的最小能耗和梯形、二次样条曲线、S曲线、AS曲线加减速算法的速度函数，然后根据速度函数与电动机耗能之间的关系求出了各加减速控制算法的耗能函数，并通过Matlab编程求最小值，发现当梯形曲线的加速时间和二次样条曲线的加加速 时间分别设为T/3和T/6；S曲线的加加速时间和匀加速时间分别设为0.01T和0.31T；AS曲线的加加速时间和匀加速时间分别设为0.01T和0.34T，减速段时间调节系数R2设为0.98时，能够分别获得加减速算法基于能量最优的速度轮廓。最后通过计算不同加减速算法在不同时间设置情况下的耗能，与最优速度轮廓的耗能比较，得出同一算法在不同时间参数设置时能耗差别明显，此外不同算法之间的能耗水平也有明显差别。